Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Fairoez Nauval Reformatio
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Deteksi Tingkat Kebisingan Kendaraan Bermotor Dengan Metode Mel Frequency Cepstrum Coefficients Dan K Nearest Neighbour Fairoez Nauval Reformatio; Jangkung Raharjo; Gelar Budiman
eProceedings of Engineering Vol 10, No 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam menentukan tingkat kebisingan sepedamotor sering kali terjadi kekeliruan karena di deteksi dengancara manual. Maka penulis ingin merancang metodeklasifikasi untuk mendeteksi kebisingan sepeda motor. padapenelitian ini dilakukan perancangan sistem yang dapatmendeteksi tingkat kebisingan kendaraan berdasarkanperaturan yang sudah diputuskan oleh Menteri NegaraLingkungan Hidup nomor 7 tahun 2009. Penelitian inimenggunakan inputan data audio yang diambil dengansmarthphone kemudian data diolah menggunakan simulatorMatLab. Dengan menggunakan metode MFCC sebagai vectoruntuk mempresentasikan suara sepeda motor dan K-NN yangdapat mengklasifikasi untuk mendeteksi kebisingan kendaraanbermotor. Pengujian sitem dengan MFCC dan K-NNdilakukan dengan cara mengubah beberapa parameter,diantaranya jumlah sampel, jumlah nilai K dan jumlahpersentase data. Tujuan pengujian dan analisis untukmengetahui pengaruh jumlah sampel, nilai K dan persentasedata latih terhadap kinerja sistem. Hasil pengujian sistemdengan parameter diatas didapatkan untuk jumlah akhirsampel terbaik yaitu 75000, untuk jumlah persentase data80%, dan untuk jumlah nilai K yaitu K=5.Kata kunci— Kebisingan, Klasifikasi, MatLab, MelFrequency Cepstrum Coefficients (MFCC), K-NearestNeighbor (K-NN).
Co-Authors Gelar Budiman Jangkung Raharjo